高端对话：车路协同的创新升级与应用落地丨GTM 2022

2022年9月21日，“GTM2022-车路协同产业线上论坛”正式举办。

本场论坛是由亿欧汽车主办的GTM2022年度主题论坛之一，主要将目光聚焦在中国车路协同产业，与产业链上下游的企业代表、专家学者、投资机构等共探智慧交通领域的发展机遇。

在本次论坛上，华砺智行董事长邱志军、中智行技术副总裁刘生、上汽创新研究开发总院智能驾驶中心数据业务总监梁伟铭、觉非科技CEO李东旻、希迪智驾网联交通事业部技术总监瞿仕波共同参与到了以《车路协同的创新升级与应用落地，打造智慧出行生态体系》为主题的圆桌对话环节。亿欧汽车编辑作者梅旭康担任本次圆桌对话的主持人。

以下为各位嘉宾在本场圆桌对话环节的重要观点：

华砺智行董事长邱志军：

目前车路协同的主要问题是路端智能渗透率不足；但中国过去5年已完成了北美15年的产业发展，路端智能已形成生态圈；受益于产业升级，双智城市未来将升级为智能汽车、智能交通、智能城市三智城市。

中智行技术副总裁刘生：

任何行业的发展，均离不开核心关键技术突破。随着中智行+天翼交通在融合感知、通信能力以及车与路全局协同策略等关键技术突破，车路协同承载无人驾驶业务，将得到真正落地。

上汽创新研究开发总院智能驾驶中心数据业务总监梁伟铭：

单车智能是车路协同的基础，我们坚持单车智能+群体智能的技术发展路线，逐步实现车路协同的智慧交通系统。

觉非科技CEO李东旻：

从新基建的角度来看，车路协同处于不断提升渗透率的阶段，而且其渗透率的增长速度会很快。接下来，我们期待在车路协同的某些场景中，出现一些强应用，来拉动产业发展。觉非科技正在通过数字化道路融合感知与全局态势感知能力，为车路协同的发展奠定基础。

希迪智驾网联交通事业部技术总监瞿仕波：

单车智能与车路协同结合是目前的“中国方案”，由于单车感知会存在局限性，缺乏意图共享导致在某些特点场景下存在博弈情况，车路协同能够弥补单车的感知与协同，从而帮助自动驾驶更好得商业化落地。

以下为圆桌对话实录（有删改）：

梅旭康：请各位嘉宾介绍一下自己，以及自家企业在车路协同领域的布局规划。

邱志军：大家好，我是华砺智行联合创始人邱志军。

华砺智行海外公司成立于2014年，并于2017年在中国成立了车路协同技术公司。我们是一家专注于围绕车路协同解决方案，围绕在汽车前装量产以及在未来为智能汽车和数字交通运营商提供解决方案的公司。在国内，我们现在主要布局在武汉、苏州、深圳三个城市。

李东旻：很高兴有这样的机会和专家、企业家一起分享我们在车路协同方面的思考和建设。

觉非科技是2019年1月份成立的，我们以“融合计算”为核心技术路线一直发展到今天。在车路协同领域，我们是国内首批提出车路协同V2X 2.0（以融合计算和融合感知为核心2.0）的企业。

在车路协同，我们主要提供的产品是融合计算解决方案知寰™，我们将知寰™部署在路边，用多传感器融合计算的核心技术，为智慧交通、车路协同提供解决方案。值得一提的是，我们也应该算是国内少有的把整套车路协同在海外进行比较有效商业化部署落地的企业。

刘生：大家好，我是刘生，当前在中智行担任技术副总裁，负责感知数据智能以及产品工程方向。

中智行在2019年3月份的博鳌亚洲论坛上，率先提出车路协同是无人驾驶终极解决方案，从而在技术商业战略上进行布局。

从前期的独行到现在行业的百花齐放，中智行在技术上以最终落地实现L4级无人驾驶为目标，以百分之百中国自研的技术，构建车路云一体化新一代无人驾驶系统。

从封闭道路实验到几十公里全球首个纯路端的、基于5G网联式的L4自动驾驶开始开放运行，我们在融合感知车路云一体化高效通信机制，以及车与路的全局规控策略方面均取得关键性技术突破。

在战略上，为了加速整个产业化进程，中智行联合中国电信、苏州市国资平台先导产投，成立了天翼交通，从而解决路端建设和运营问题。

中智行在车端已经具备准L4级别的技术能力，再加上路端的强赋能，可以实现更具有经济性和技术泛化性的新一代无人驾驶解决方案，我们发布的“轻车·熟路”整体方案，战略关键资源和布局都已经完成。

在商业上，“轻车·熟路”的无人驾驶方案，对车端的软硬件要求大幅度的下降，使得L2+的车辆借助与路侧强赋能就能实现L4级别无人驾驶，加速无人驾驶的商业化进程。

我们相信在未来两三年，随着智能化道路建设结合车端实际应用场景打磨，以及法律法规的完善，面向ToB、ToC的服务类业务模式，将会日渐成熟。

梁伟铭：大家好，我是梁伟铭。我来自上汽集团创新研究开发总院，其前身就是上汽集团技术中心，为上汽各个品牌事业部提供整车技术底座和关键系统的研发。

一直以来，上汽研究总院都在参与和推动国内外车路协同建设。

2016年，我们在杭州的云栖小镇测试和示范了V2X技术下的车路协同应用场景；2017年，我们还加入5G车企联盟，担任亚洲车企白金会员单位；2020年，我们和华为合作开发了全国第一个5G和V2X双认证的智能网联控制器。

目前，我们在高端电动车智己的L7车型上配置了5G和V2X功能；在东海大桥上，上汽智能重卡已经开展了两年多商业化的自动驾驶运营，利用了V2V、V2X技术实现5辆车的编队自动驾驶功能，探索提升东海大桥运力。

瞿仕波：大家好，我是长沙智能驾驶研究院（也称“希迪智驾”）网联交通事业部的技术总监瞿仕波。公司成立于2017年，自成立之初，我们一直以自动驾驶商业化落地为业务和研发导向，形成自动驾驶和车路协同双轮驱动业务格局。

在车路协同板块我们有自研网联化和智能化设备，和路侧感知算法和V2X协议栈等板块。为了打造更深层次车路协同系统级场景应用，希迪也切入细分领域，推出了一些特有的解决方案，像主动式公交优先等。

在高速城市路口、矿区和港口等场景都有相应业务布局，我们深度参与了长沙、重庆、天津等地区车联网先导区建设和多个示范区项目，希望和大家一起共同发力，为车路协同贡献自己的力量，谢谢。

5年走完北美15年的路

梅旭康：各位是如何理解车路协同在中国发展的必要性的？以及对于智慧交通、双智城市等方面建设，车路协同能够起到什么样的作用？

邱志军：车路协同技术，比较早在美国做试点，叫做车辆基础设施集成（Vehicle infrastructure integration, VII），到后来推了很多年没有推进下去。

很重要的原因是其路端智能化渗透率不给力。因为在国外，对于路端的智能化示范，政府做决定没有中国这么快。

我觉得，中国很好地把握住了市场机会。从路端起步，协同路端智能和车端智能，甚至将来从双智拓展到三智，从智能汽车、智慧交通、智慧城市把链条打通，推进建设国际核心产业群。

车路协同在中国很短时间内完成了建设和部署，推进的速度比北美更快。在过去的五年时间里，我们完成了北美15年的产业发展。这也是中国比较良好的科技生态和社会生态带来的作用。

李东旻：从觉非科技过去的实践来看，有这么几点可以跟大家分享一下：

第一、我们觉得车路协同的关系有点像“车灯”和“路灯”之间的关系，单车和路侧智能互相之间是协同互补的。

换一个角度来看，并不是所有的路都需要有路灯，在相对比较复杂的十字路口、隧道盘桥、匝道、梯形路口等等，这些复杂的地方其实是更需要“路灯”的，有了“路灯”以后会明显降低交通事故。如果把降低交通事故风险算进去，我相信车路协同对于整个社会，收益是非常明显的。

第二、在相对封闭的港口、机场、园区道路里面，车路协同的应用会更加容易商业化落地。因为在特定场景里，车辆运行的路径环境相对比较简单，对于从路侧角度去做感知定位这些模型和算法部署而言，更加容易收敛；从技术角度来说，更加容易达到服务质量和指标。

第三、车路协同对中国汽车产业而言，除了降低事故和数字化新基建角度以外，我们看到还有另外一个作用：对于汽车产业的智能化发展，其率先把激光雷达、大算力在路侧做了应用。

也就是说，当主机厂大算力的车还没有量产的时候，可能我们在路侧已经运用了大算力芯片和先进的传感器，去做了相应的服务和支撑。这点无疑让整个中国汽车产业、智能自动驾驶产业领先于其他国家至少两年时间。

这个规模远大于Robotaxi的规模。Robotaxi带来的数据训练，数据量是没有在路边收集的数据量大的。比如说觉非每天在路侧会有超过10亿次的定位需求，因为每辆车通过我们的路侧设备时，可能就会产生几百次甚至上千次的定位结果，所以大的数据量对于整个智能驾驶产业会有非常多的帮助。

刘生：双智城市中智慧交通是核心的智能之一，智慧交通的目标是带给人们更经济、更安全更有效率的通行体验。要实现这个目标，也涉及到智慧道路升级改造和车辆智能升级，二者需要有机结合。

车路协同是从终局出发，构建车路云一体化智慧化交通解决方案，其中无人驾驶是核心承载体，释放出了巨大的商业价值。

在经济性方面，在车路协同无人驾驶解决方案中，路端整体算力和设备具备共享属性，要比单车独享经济性产业更节约。

从技术上来说，路端赋能加上数据驱动更具备解决问题的能力。无人驾驶最核心问题在解决长尾问题，像单车智能解决不了的难题，在有路端赋能的加持下，问题的解决会变得非常简单。

从效率角度来看，因为单车只能做到局部博弈，但车路协同可以基于路的视角去做全局规划。

从这三方面来看，车路协同均优于其他技术解决方案。无人驾驶巨大的商业价值，可以进一步释放智慧交通、路与车的价值，从而加速整个中国数字化交通的进程。

梁伟铭：第一点，从车企过去实践的情况来看，我们觉得车路协同肯定是必须要发展的重要方向。

现在，我们认为乘用车已经进入到电动智能网联新赛道，车路协同就是网联大方向。

我们提供的整个技术方案分两部分：一是三个整车底座，包括星云新能源纯电平台、珠峰机电一体化架构、星河氢能源专属架构，还有蓝芯动力总成、绿芯电驱动系统、魔方电池和银河全栈智能车解决方案这4个非常关键的系统。

我们的智能化解决方案是银河全栈智能车解决方案，车路协同是其中关键的组成部分。

从乘用车、商用车角度来看，在目前市场上乘用车车路协同应用普及率不高的情况下，我们看到许多车已经开始普及V2X功能，进行预埋硬件。尽管整体体验离我们的目标有差距，但我相信车路协同V2X技术，一定会成为银河全栈的关键技术部分。

在商用车方面，会有另外一套商业逻辑推动运营，加快落地。

瞿仕波：车路协同对自动驾驶的作用，是毋庸置疑的。

在安全性方面，因为再昂贵的车路传感器也无法探测被遮挡物体，但是路侧设备可以从比较高的角度给出一个“上帝视角”，去帮助车端弥补盲区，给驾驶员提供一定助力。

另一方面，车路协同其实助力了智慧交通、双智城市的建设。基于SPS和大规模通信的一些特点，车路协同能给很多场景提供可能性。

比如车与车实施了通信，车和车自动驾驶间距可以控制得更小，对于解决城市拥堵有很好的作用。前方刹车信号可实时传递给后方车辆，通过车和车的间距控制，让拥堵的车流趋向疏通。

2020年我们开启了双智城市试点建设，车路协同在政策主导下逐渐进入发展深水区。

在此基础上，希迪推出主动式公交优先系统，让公交车在经过路口时，与路侧设备进行实时的对话交互。路侧结合车端，给出决策信息，让通勤时间减少，提升乘客体验感。选择坐公交车的人多，交通拥堵自然也就减少了。

在做自动式公交优先项目之后，接着中规院发布《2022年中国主要城市通勤报告》。

报告指出长沙45分钟公交服务能力，是唯一连续三年保持显著提升的城市。从另一方面也可以看出，因为引入车路协同和车与路通信的机制，给整个城市智慧化带来可能性。

技术迭代应“预言一代，沉淀一代”

梅旭康：对于车路协同在中国发展现状和趋势，您有怎样的判断？

邱志军：车路协同解决的不止是新问题，还能解决一些已有难题。老问题是智能驾驶逐步升级，以及交通拥堵和交通安全问题。所以，我们提到车路协同很容易有一个错觉，就是说是带来全新产业。

实际上，业内早已在做V2X，在DSRC、C-V2X这类新型通信技术得到应用之前，我们在车路协同领域已有很多这种应用。

我举两个简单的例子，比如ETC，我认为ETC收费就是一个车路协同技术应用；第二个是地图导航APP，上面显示我们的红绿灯倒计时也是一种车路协同应用。我们可能要把车路协同这件事情放在现在汽车智能化、交通智能化发展路径当中一个重要的部分。

在车路协同领域，不管是狭义看还是广义看，它都是汽车和交通行业数字化、智能化升级过程中的一部分。这个过程和一些已有产业，比如说在过去20年飞速发展的无线通讯行业，哪怕是细分的手机行业，其实都有相似规律的地方。我觉得，车路协同不管是狭义还是广义，推进趋势都是无法阻挡的。

另外，可能更接近的一个案例，充电桩产业，车路协同和这个产业非常相似，政府一开始不断地补助，运营充电桩不赚钱，但是生产充电桩的可能就赚钱了。一开始我们也觉得不一定会用，但是后来发现很多电动汽车出现了。今年的话，预计中国会售出550-580万辆电动汽车，明年的话会有七八百万辆电动汽车的销量。

所以，我觉得，这是政府导向和市场层面主导的，很多东西是很难预测的，但是在中国车路协同是得到行业认可的具有发展前景的创新应用，而且发展速度可能像智能手机发展速度那样，比我们想象的还要快。

李东旻：目前车路协同除了在技术上有很多迭代的地方，从产业发展角度来看，目前还处于一个新基建建设的状态。整个覆盖速度和节奏是非常可观的。

我们完全可能快速达成新基建的这一过程。除了“双智城市”之前的两批试点以外，我们看到有越来越多的城市进入到“双智城市”的建设当中，也有越来越多的城市把车路协同作为城市数字化底座建设而提升到非常重要的层面。我们觉得，基建还处于不断提升渗透率的阶段，而且这个渗透率增长速度会很快。

接下来值得期待的应该是在车路协同某些场景里去实现强应用的拉动。比如说，我们刚才听到各位专家提到，无论是交通绿波带，还是在港口里面补盲、定位，以及在城市内十字路口盲区或者是超视距的事件提醒等等，会有越来越多的相对比较标准化的应用，给私家车和乘用车普通用户带来直接影响。我们觉得，应用端的拉动对于基建渗透率的提升将有非常好的帮助。

我们在迭代技术的时候，应该“预言一代，沉淀一代”。预言下一代，沉淀当前这一代。我们把沉淀好的技术和应用真正去给到我们的用户，让他们率先体验到车路协同带来的便捷。无论是从基建端还是应用端，我们对于车路协同的发展都非常有信心。

刘生：大家也都提到车路协同整体的技术还不够成熟，还有待持续解决。我认为车路协同总体的发展可以分为三个阶段。

第一个阶段，车联网。大家更多做的是提供一些预警交互类信息给到车端，这一类功能更多是娱乐类、辅助类的。

第二个阶段，智慧交通。这个阶段车也开始尝试有机结合类似红绿灯等方面的智能调度。

第三个阶段，无人驾驶。路端信息达到满足自动驾驶需求，可用、好用的程度，置信度、稳定性、时效性均可以作为自动驾驶决策的依据，车与路紧密耦合，双系统相互支撑，互为冗余，实现无人驾驶。

以前的产业发展，更多停留在车联网和智慧交通这两个阶段，随着现在无人驾驶车与路融合感知以及5G技术的应用解决了车与路可靠性通信问题，加之群体协同调度核心技术的攻关，以中智行、天翼交通代表的公司正在将第三个阶段的实现进行落地。

我们在苏州部署了数10公里的全息智能化道路，我们做了一个非常极端的验证，只依赖于路端的感知，相当于车端感知完全失效。这种情况下，在城市开放道路的上下班高峰期，我们已经实现L4无人驾驶。

所以基于车路协同实现L4无人驾驶，不管是核心技术还是商业模式的发展路线已经非常清晰了。我认为一定要支持车路协同相关标准的制定以及规模化落地。我们可以看到车路协同已经从封闭示范园区，到城市级大规模的部署，并且承载了实际运用应用。我们相信在未来的两到三年，车路协同行业将会迎来产业爆发。

梁伟铭：我想从两个方面谈谈我的一些思考。

从技术层面来看，针对DAY I、DAY II两个大类的应用场景，我认为，DAY I很多技术路线已经得到实践和测试验证了。但是对于DAY II场景的协同感知和协同控制，有很多企业，包括上汽也做了很多研究和探索，但现在车路协同感知控制还需要整个行业形成相对统一、更合适做商业化的低成本解决方案。

另外，从市场层面来看，需要分商用车和乘用车两个角度。总体上，我觉得车路协同商业落地应用，还在起步阶段。

有很多轿车已经在进行超前配置，将硬件预埋进去，相应道路基础设施也有部分区域使用。整体上看，我们距离领先全球建设车路协同的目标还有比较大的差距，但如果哪位车主的车装了V2X功能，其所居住区域的城市建设也覆盖了V2X，那么其体验提升会非常明显，这是商业化落地推动的趋势。

商用场景多种多样，在商用车层面，我们相信车路协同将对商用场景落地起到非常关键的作用。

瞿仕波：首先我觉得车路协同在中国的发展，肯定是积极向上的。

因为一方面有政策引导，有相关组织的积极推广，有标准指引还有各个产业链企业的合作，但是车路协同应用落地是有很多环节打通的，需要很多相关部门协作，这些既是挑战也是机遇。

在之前，有的协作部门对车路协同有自己的片面理解，但是随着行业的推广，很多行业人士慢慢明白车路协同对于智慧交通的重要性。因为V2X普及可以给很多部门带来创新成果，比如使用V2X技术，可以使车辆更安全，车企会感兴趣。使用V2X技术，可以缓解拥堵，这样也会使交警部门感兴趣，所以我认为车路协同在中国的发展肯定是积极向上的。

但是另一方面，这种积极向上的发展趋势，在这几年也不会太过剧烈，而是以相对平稳的方式向前慢慢进行发展。

在此前几年，车路协同发展和推广相当快，通信设备、路侧边缘计算、感知等每个相关领域都有重大的突破，未来这几年应该会在相对平稳趋势下发展，我把它定义为一个打磨期。

每个细分领域的技术产品都会不断进行打磨，以应用场景去驱动技术慢慢迭代，在不断的技术迭代中慢慢扩大网联产品渗透率，硬件发展也会逐渐稳定，在软件方面不断升级和细化，最终实现一个让老百姓看得见、摸得着的车路协同实际应用格局。

单车智能、车路协同没有矛盾

梅旭康：您是如何看待单车智能和车路协同两种技术路线，二者相互结合发展会遇到什么困难？

邱志军：我认为，单车智能和车路协同是一对非常好的亲兄弟关系。如果不是因为单车智能需要在全世界推广，很多车路协同示范区不可能做建设。所以，我觉得，这是以L4为主的单车智能对车路协同市场的帮助。同时，因为会做车路协同，政府部署有政策支持，让大家看到了车路协同大范围落地的希望。否则，问题永远解决不了。

单车智能和车路协同这个题目本身会给人一种错觉，只有这两个路线。其实，这两个根本不是路线。因为我们谈路线的话，我认为车的数字化、智能化和路的数字化、智能化根本的目的是一致。但是现在它们的目的是不一致。现在车端的智能化就是帮助开车的那个人，提高人的驾驶安全和效率。我们路端智能是针对车流，也就是一个群体而不是针对具体的人。这个矛盾决定这两个领域无法用共同语言交流。

我的观点是，单车智能是基于车上传感器、计算、通讯等形成闭环的智能化升级，路端是基于路端数据、智能化感知的通讯升级。这两个升级所在的产业会互相迭代。我不认为短期会有纯单车智能这种极致的落地，也不看好有纯粹路端迅速的落地。在中间一定会有这样的一个迭代过程，比如我们20%的智能在路上，80%智能在车上。

可能有很多介于所谓L4单车智能和车路协同中间的方案，包括我们今天很多企业可能选择的细分行业就是基于这两者之间的方案，因为只有这个方案才能快速商业落地。

举一个很简单的例子，我们的L4级别智能驾驶的时候，我相信识别红绿灯信号、识别标志标识难度是非常大的事情。如果将来我们通过立法，让红绿灯、标志标识做成数字化，那我们现在很多高校或投资人投资的一些需要用机器识别本来给人看的东西就没用了。我觉得这部分会是围绕路和车数字化、智能化迭代的触发示范过程。我相信，算法不会太难，关键核心是找到路端、车端能够形成闭环的商业应用路径。

李东旻：刚刚已经提到，车跟路的关系在我们看来是车灯和路灯关系。并不是所有的路都需要路灯，但是关键的路口需要路灯提升整体的安全性。

我谈一下在实践过程中遇到困难，或者车端跟路端实施过程的问题。我觉得，推进车轮协同的最大困扰和时间阻碍是，车的数字化和智能化，对比路的数字化与智能化，在本质上有所不同。车有一个共同的技术标准，车的技术平台无论看走线，还是硬件、软件接口，包括协议、底层软驱动都非常成熟，或者是相对成熟。大家彼此之间的交流，或者供应商之间的交流都基于共同语言。

而我们发现，路的数字化与智能化不是。它的接口软件参差不齐，包括底层硬件操作系统，底层软件、驱动也好，都不同。

让我们在过去实践当中遇到比较大的挑战是，车端与路端两者之间对话体系不一样。有时候形象地说，做车端智能化的人说的是英语，做路端的人说的是中文。英语跟中文之间完全对话不起来。这是我们看到里面比较大的挑战，抛砖引玉。

刘生：对于大多数观众来说，大家会认为车路协同和单车智能是对立的，其实不是这样。

我认为车路协同是单车智能的升级。相比单车智能，车路协同安全效率和通信体验会有巨大提升。因为有了路端强赋能，基于L2软硬件，单车就可以实现L4级别驾驶。

L2级别的汽车已经非常普及，基于路侧能力复用，加上更强大的算力资源，车路协同可以实现更经济、更效率、更快速、更简单的方案，而不是说一味增加车端智能。

当然并不是说车路协同没有技术挑战，而是通过路侧的赋能，可以让一些单车无解的长尾问题，可以得到更便捷的解决。

当前无人驾驶的问题，其实是开放场景下如何收敛解决长尾问题。

路侧具备上帝视角感知能力，马斯克也提到，他认为只要研发算力足够好，无人驾驶的解法就非常简单，这里面会依赖非常复杂的算法。另一方面就是数据，数据驱动可以解决很多这种场景问题。

从这个维度来说，路侧具备强大算力资源和数据处理效力，在上面可以运行更复杂的算法，整体的技术解决能力都有质的提升，这些能力刚好可以弥补单车不足，从而解决长尾问题的难度会大幅降低。

随着现在路侧规模化部署，结合车端场景业务打磨，车路协同无人驾驶大规模商业化运用，我认为很快会到来。

梁伟铭：我认为单车智能、车路协同没有矛盾。

首先，单车智能肯定是车路协同的基础，无论是智能座舱还是自驾系统，都需要大脑算力来支撑这些功能应用。另外，把车放在交通系统中来看，汽车是其中的一个参与者，车和其他车通讯、车和路、云之间进行通讯。

从这个车路协同的角度来看，我们还有一个技术路线，可以称之为群体智能技术路线。其中有两个形态——有一个大脑，用上帝视角管控整个系统，也有一种情况是，智能算法分布在多个单车的智能体中，共同实现群体智能场景应用。

相信车路协同不是简单地把所有信息一股脑分发给每辆车、每个驾驶员，交通效率就马上提升上来。肯定不是那么简单，即便是一个简单的绿波通行诱导的系统，也需要研究里面的诱导算法，去迭代升级。

单车智能加上群体智能，这两个路线，最终会走向车路协同智能交通系统。在这里，基于5G和V2X其实是通讯基础，是支撑技术。数据融合和算法融合是技术上的挑战。我们都知道数据、算法要打通，通讯协议已经在信工院国家的推动下统一了，但是数据接口如何统一，算法对接能否顺畅，这方面还需要我们探索实践，相互融合。

另一方面，我们做了很多落地场景的应用探索，现在怎样打造长效执行的商业模式，而且让用户受惠长效的商业模式，我觉得可能是车企，包括路端企业、云端企业生态里面共同面对挑战，谢谢主持人。

瞿仕波：单车智能和车路协同结合是一个中国方案。

车路协同最重要部分有两块：一个是路侧及车端感知能力；另一个是协同能力，诸如车和路之间的交互，以及未来的V2P和万物互通等，如果缺少协同就会形成一个个信息的孤岛。

光靠单车感知出来的实时状态有一些局限性，缺乏意图共享，可能存在一种我们称之为非合作博弈的情况。比如在一个没有信号灯的路口，两个车同时驶向路口中间，谁先走需要路侧协调进行交互，才能使两个车以合适的协作方式，共同通过这个路口，所以采用车路协同给单车智能赋能，帮助自动驾驶更好商业化落地。

两个方案融合的最大困难在于单车智能拿到路侧数据如何使用。比如说单车拿到信号灯这种置信度极高的一些数据，可以认为这是比单车感知准确度更高的数据。

而有些数据需要与单车进行感知融合，当感知目标有冲突的时候，怎么规划融合，是否选择相信路侧，融合权重又是否根据外部的光照条件和一些其他的情况随时调整它的一些权重，这都是单车和车路协同需要解决的问题。

整个行业未来会存在一段打磨期，但我觉得这些问题都会得到解决，只是解决的过程需要很多业内人士一起协作，去逐步解决融合困难点。

我们自己遇到很多问题，因为我们也做自动驾驶、也做车路协同，所以对感知融合数据有很多探索和实践，也有一些困难，这些困难近期都会通过我们的努力解决，只是时间的问题，包括整个行业也是。

车路协同产业发展进入正向循环

梅旭康：车路协同产业目前存在哪些盈利点？企业对商业模式探索处于什么阶段？未来还会有什么样探索空间？

邱志军：我认为，在中国，行业还处于刚起步的初级阶段。目前，正处于一个早期的测试向规模化试运营的状态。如果用通信行业比喻的话，比较像一个城市最开始布的几个基站，部署一个寻呼控制台，大家有很多寻呼机使用，也催生了很多终生免服务费的产品。跟现在的测试厂、示范区的模式类似。后来出现区域级小灵通运营公司，这就是跨区域的信息服务。我觉得，目前处于从做示范向区域级，把路端、车端信息标准打通这样的阶段。

商业模式什么样？我觉得目前的话，通话按照分钟记费的那个阶段很难以想象到，后面移动互联网怎么收费，再就是羊毛出在猪身上怎么收费。我们汽车的中控大屏上有很多APP，包括跟我们的保险、金融、车贷，甚至拥堵费、碳交易形成闭环的商业机会。我相信，真正上了规模之后，除了搞技术、做企业，相信会有更多金融方面的商业化可能性，涉及到比较好的商业模式。当然，这还是会很大程度上受到国家政策的影响。

因为是处于市场早期，目前，我相信，基本上大家都是类似系统集成，由项目制向运营转换过渡阶段，公司获得营收。单车智能不好说，车路协同相关公司大家收入都还蛮不错。这是处于早期状态。接下来比较成熟的商业模式是什么样？我相信未来会有越来越多更聪明的人，根据后面的发展趋势把它设计出来。我只能有这个猜想，但是确实不知道答案是什么。

李东旻：我们看到，车路协同现在的商业模式，基本上还是在早期的基础建设上，以2B和2G为主。

产品是以硬件为主的商业模式，或者是软硬一体化的商业模式。

对于下个阶段车路协同的预期和期待在于，它可以从2B、2G端进入到服务端或者C端，比如一些商业的运营车队，出租车、干线物流车队等等。

毫无疑问，对于有了车路协同技术的运营车队，它的运营效率、时间段可能会更好。

所以，我对下一代车路协同的商业化期待是真正是进入到运营端。无论这个运营端是对B端企业的运营端，还是对于C端的应用端，都会产生比较好的收益。

刘生：我认为任何行业发展，都离不开关键技术的突破，因为技术肯定是最基础的部分。

我们现在融合感知通信能力、车路协同关键技术的突破，车路协同承载无人驾驶业务开始得到落地，现在整个产业规模体量都在增加，随着车路协同真正承载无人驾驶落地，路与车的价值，会得到更大的认可，因为任何的商业模式，盈利点一定是价值体现。

我们也可以看到，车与路的整体产品解决方案，也得到更好的协同。不仅仅是企业之间的协同，也包括高校、政府等。

整个行业生态都在逐步的完善阶段，甚至将车路协同托举到非常高的地位。整个产业链上下游产品也在成熟，比如说之前激光雷达是专属于车端的，现在路端激光雷达多了起来，还有边缘计算一体化的产品。

这种路侧建设和能力增强，也推动了车端实际应用落地，车与路硬件产品的成本，也在快速下降，这个反向促进了整个产业链规模化增长。

当前车路协同产业已经进入到正向循环快速发展阶段，我们知道实现车路协同的最大价值点，是实现L4。但是在L4这个最终目标实现之前，我认为也很多盈利点，比如说智慧交通，这应该是非常成熟的商业模式。

现在智能化道路升级，已经开始进行整体规模化部署。首先路侧硬件提供商，我认为会得到盈利收入增长。智慧道路规模化部署，会加速车端场景化落地，我认为下一个阶段，to b、to c的运维收入的规模也会大幅度增长，我们后面也会做数字化运营布局，大家也可以期待。

梁伟铭：可能像2019年手机市场的情况一样，当5G手机出来时，一些城市还只有4G的网络，但是过了不久，5G的网络铺设得到了大幅度提升。

从车路协同V2X的角度来看，现在高端车型会采取硬件预埋配置方案，这方面需要持续推动；另一方面，我们积极推动低成本解决方案的开发，想办法大幅度降低车端V2X Box的成本。

从客户应用的角度来看，我们讲车路协同应用，比如说DAY I是信息共享、交通效率安全方面的提升；DAY II可能是高阶车路协同应用的长痛点。是不是有一种可能，对于基础的车路协同应用，可能会形成标配让车主使用。对于高级别的应用，未来可以通过订阅的方式，用软件升级提升车主的体验，我们的客户可以通过订阅方式来付费。这可能会是两种商业模式的探索，需要我们在接下来的阶段推进实践。

瞿仕波：我想想谈谈车路协同将带个整个社会、甲方业主什么样的盈利点，这也是我们一直思考的问题。

第一是安全，提升安全变相提升一些了社会效益，或者是变相可以充当一个盈利点；第二单车智能达到一定的瓶颈，如果剩下的长尾问题要解决的话，肯定要投入很多冗余传感器和成本。

基于车路协同就可以跳出原来的思维方式。用另外一个思维方式或者角度去辅助，实现这些功能，这可能也是变相的盈利点。

车路协同确实很难带来直接的经济效益，但是其经济效益在某些细分领域可以初步实现，因为我们做主动式公交优先比较多，我就拿这个例子来说明一下。

第一，票价。如果每辆车节省20%的时间，可以吸引一个人用2元票价过来乘坐，三年就增收大约3.6万元，如果每趟车多坐5个人，实际上增收就更多了，单车可以净赚14万，扩大到全市就可以增收10亿元，这是在比较理想的条件去进行的计算。

第二，碳价。按照现在的碳价40元，如果通过主动式公交优先让车主驾车减少，多乘坐公共交通工具的话，全市按减碳250万吨进行计算，一天也能节省1亿元，三年3亿元，也能收回项目的一些投资。随着碳价提升，通过公交相关应用实现减排，创造的效益相当可观。

这种节能减排也能体现在其他的方面，比如通过车路协同车辆编队和一些控制，也可以实现节能驾驶行为，这个变相有一些经济效益的存在。

除了公交还有其他的应用，我们目前在公交领域探索比较多，以后可能进行一些服务点播之类的收费业务，现在很多的运营商或者业主也不断尝试和探索，我觉得随着整个产业发展，盈利点也会越来越明晰。

企业之间的良性碰撞

梅旭康：华砺智行是全球车路协同领域，最早一批开拓者之一，在加拿大、美国、中国都有丰富研发经验，对于国内外车路协同发展的异同之处有什么看法？

邱志军：我觉得，中国和北美行业发展正好是互补的。中国的优势是北美的劣势，北美的优势是中国的劣势。

我认为，北美的第一个优势是市场化加标准，因为我很早参加北美标准讨论会，和在中国标准开会风格完全不同。标准应该形成行业，大家参加标准的话，应该为行业做贡献，所以很多在国外做标准化都会签协议的。那些标准内容，自己不能申请任何专利。在国外的话，科技创新、产业引导，在行业内都是头部的一些专家、学家或者企业人在做。我记得，重要的话是SAE、HVE和ITE三个标准机构来制定。这个国外比国内好很多。

第二，市场化也是北美优势。最后不管花多少钱，根据短期和长期一定会算一个性价比出来。如果没算出性价比出来，那个事情是一定不会投入的。所以就是说，在过去三四年里面，其实北美部署路侧端个数、车载端的个数跟中国是可以相比的。大家也不要说中国的车路协同一定比北美大很多，其实并不一定完全这样。因为华砺智行在北美市场，我们市场占有率也能排到前三。我们对美国的这个行业非常了解。

中国优势就是政策。政策导致中国车路协同市场很大。但是中国市场相对北美市场不同的是，中国把90%的以上跟车路协同压根没关系的，比如属于智能交通市场的，各个地方市场示范区都放在新区的原因是它把基建的预算和信息化的预算都打包放在所谓车路协同示范区里面去。所以，我觉得这个是有水分的。但是中国前100城市中，大概40%城市在做车路协同试点示范，这个也是中国的优势。

第二是很重要的优势是中国场景开放。这是中国为了打造科技高地，政府鼓励场景开放。像最近一个月之内，有好几个省都在发展数字经济，我觉得这个也是一个大趋势。

国外在市场化和标准化，我觉得比中国好很多。这个在过去将近20年以来，我一直亲身经历和对比发现的这一个区别。中国的话，是在国家政策下主导的市场，车路协同是政府直接或间接花钱投入。在场景开放上，美国的代表企业是特斯拉和谷歌，在几个城市打造自动驾驶。中国推自动驾驶的城市太多了。这个是两边各自的优势，也互相为对方的劣势。

梅旭康：华砺智行V2X车路协同产品，在本地化过程中，有遇到过一些难题吗？

邱志军：我举一个简单例子，在2017、2018年的时候，当我们刚从国外转到国内做市场的时候，我们主要服务北美客户。那个时候做信息安全的CA root，就在用 HCM、SSM、SCM做V2X通讯信息安全。那个时候在做关于70兆带宽，其中30兆用来做安全，40兆做效率。就是在把通讯数据协议跟通道进行优化，把有用信息能够更高概率传递。这个是四五年前，为北美客户做的项目。

在中国，我相信一年就会有几十个亿的市场规模。中国这个市场迭代太快。终端不需要有好的性能，产品不需要太好，只要把用来做测试、示范、演示的完整应用场景形成，这样小系统集成、大的系统集成，很容易拿到数几百万、千万级的订单。有时候我们技术团队一部分支持国外市场，一部分支持国内市场。对这个差别的感受还是蛮大的。

但在本地化过程中，大家目标是一致的。国外在规划设计花的时间长，落地慢；中国落地很快，但是不断迭代，定制化很多，这部分导致投入很大。

华砺智行也在不断反思哪些是真需求，哪些是伪需求，哪些是我们需要迭代的技术，哪些是不需要迭代的技术……这个也是因为我们在北美、中国市场，甚至部分欧洲市场的一些收获。十余年的国际化布局对于华砺智行的技术积累还是非常有帮助的。

梅旭康：觉非科技发布了路侧融合感知系统知寰。车路协同兴起对于路侧智能市场发展怎么影响？中间存在哪些阻碍？

李东旻：我觉得，路侧智能的示范区范围会越来越大，路上的算力会越来越充足，整个传感器装配也会越来越高，这是接下来明确的发展趋势。我们的路侧融合感知系统知寰™已经度过了适应基础设施，或者去做道路数字化的阶段。我们现在更多的是去跟车企之间的对接，比如说觉非在上海安亭汽车城与各种各样的车企协作，把真正的路端感知和定位接口与车辆打通，我认为在接下来的两三年里面，除了硬件迭代以外，更期待在应用端花时间和努力往前去推进这个事情。

梅旭康：车路协同实现车与车，车与人、车与网等等方面的有效连接，肯定涉及到融合问题。您认为如何去解决车路云等各板块数据信息不对称问题呢？

李东旻：一个词形容就是各取所需，发挥各自所长。单车能力解决的是车辆对自己的姿态及周边有限范围的感知。路侧更好解决的是对全局视角的认知和理解，无论是行驶姿态、预测，还是路径规划，其实是从俯视角或者鸟瞰图的方式会更加明显。

但是车路协同也有在感知能力上的补足之处，比如说我们遇到的最大的车路协同感知盲区或数据融合方面的挑战在于，春天和夏天的树叶长多了，我相信各位嘉宾也会遇到这个问题，这个时候会发现，并没有办法从物理上解决树叶长多的事，毕竟加在4-5米空间当中。那个时候，还是需要靠单车的方式和车路协同两边的数据进行叠加。

好在现在从传感器硬件层面，车与路已经逐渐统一。原来路上最早只用视觉，现在车上面和路上面逐渐上了毫米波、激光雷达，路上用的激光雷达跟车上的，都属于量产级半固态或固态激光雷达。所以，我觉得从传感器层面，现在已经开始对接了。

另外我觉得，通信端现在是非常畅通。无论是C-V2X、LTE-V2X，在信通院等等机构和主管部门支持下，标准已经建立得相对比较清楚了。

梅旭康：中智行和天翼交通和苏州先导产投，发布了轻车熟路车路自动驾驶系统，它采用轻量化自动驾驶车和高级别全息智能道路方案，那么其实可以变相认为，是对路端设施的依赖性大大增加了，中智行是出于什么样的考虑？

刘生：针对这个问题，我有两个观点，第一个观点是终局思维；第二点观点是合作共赢。

首先，我认为我们还是要回归无人驾驶本质，因为无人驾驶的真正价值，是安全无人化驾驶，否则任何阶段性的过程结果都没有意义。现在无人驾驶的核心问题，还是在于解决开放场景下的长尾问题，前提是安全效率以及体感。如果说这些问题没有办法解决的话，最终还是不能实现目标，商业价值会大打折扣，从这方面来说。我认为应该用终局思维去考虑，什么样的方式最终能够解决问题。

我们做过这方面的验证，相比单车智能，车路协同因为有路侧这种上帝视角的感知以及强大算力支持复杂算法运行，当前单车无法理解和解决的问题，都可以得到很好解决，所以我们认为这是一个完美的解决方案。从技术来讲，为实现更安全、更有效的无人驾驶，我们认为车路协同是必选项。

从经济上来看的话，因为路端设备的能力都是可以复用共享的，前两年大家提到一种现象，就是共享经济，我们认为车路协同，现在也具备这个属性。

虽然前期的路侧投入非常巨大，但是随着后面车辆业务乘客量的增大，这种前期投入的成本很快就能找回。

虽然前期的路侧有比较大的投资，但是其具有明显的基建属性，先投资、后收益，虽然接入车辆的增大，这种前期投资的成本很快就能找回，我们认为，路侧的单位投资，基于赋能的车辆的数量看，摊薄到每台车上，相较于单车智能的智能化升级成本，未来是具有巨大的经济性优势的。

从终局考虑的话，实现无人驾驶一定需要一个非常紧密耦合的一体化系统，这是我们成立天翼交通的初衷。车对于路的依赖，我们认为一定是必然的，我们需要有这种自信。

另一方面，自信也会来自于验证，我们不能盲目自信。

我们的车路协同方案会经过技术验证和商业模式推理，已经验证是可行最优的无人驾驶解决方案。从这个角度来看，我们认为这种方案实际上是一个确定性模式，剩下就是找到最合适的伙伴加速落地。专业人做专业事情，我们基于open共赢心态找到最好合作伙伴，加速商业化落地。

梅旭康：对于合作伙伴的挑选，中智行是有什么样的考虑，您认为该从哪些方面推动合作生态建设呢？

刘生：我认为一切都要从商业化可落地出发。因为无人驾驶前期经过一段时间摸索，从2015年中国百度第一个开始做，到现在有接近快有8年的时间了，现在到了需要考虑商业化落地的阶段。

无人驾驶是一个巨大的商业生态，没有哪一家企业是可以从头做到尾。从前期技术积累和业务模式的话，中智行一定是经过其中的探索和验证，接下来整个模式一定是清晰，接下来在整个产业链当中选择最合适伙伴，去构建这个系统，各自发挥自己的优势从这个维度去选择包括现在的战略合作伙伴。

9月21日，中智行与苏州金龙达成战略合作，双方将聚焦Robobus赛道，以车路协同赋能Robobus，加速Robobus规模化落地。我们会联合更多产业伙伴，将蛋糕做大，而不是自己独大。

梅旭康：上海双智城市建设如火如荼，车路协同技术在其中发挥着非常重要作用，上汽也深刻参与其中，作为主机厂方，您认为该如何平衡车端、路端发展，主机厂从哪些角度推动车路协同建设？

梁伟铭：我们做了很多技术开发和储备，我从三个方面来谈这个问题。

第一， 要聚焦客户使用场景和客户体验，体验为王。这是客户需要的，也是做产品需要抓住的。

过去我们在开过程中发，可能更多从功能思维、技术驱动的角度出发，比较多的强调最新的5G技术和最新算法等，现在要转向应用驱动。

第二，聚焦商业场景落地，更多强调运营。这需要一个完整的商业配套场景，例如我们在洋山港做的一次探索，这个月开始实现减员化运营，驾驶员、安全员数量开始下降，进一步推动港口、矿产等商业场景商业模式的落地。

另一方面，我们要想办法降低装车零部件的硬件成本和软件成本，需要路端和云端合作伙伴方案整体的成本，得让客户用得爽、用得起、用得多，这样才会形成一个良性商业模式。

第三，从车企角度来讲，我们需要共同推动统一接口协议，做到通讯上、数据上、算法上、接口上能够互联互通，这是我们商业落地的关键基础。

梅旭康：车路协同涉及到车路云图多方面协调发展，在当前技术条件下，如何保证不同来源数据的准确性，海量数据收集验证存在哪些问题？

梁伟铭：第一，还是标准化的问题，所有接口都要实现标准化；第二，从不同的车和路端采集数据，在基础上存在时间和空间和初步匹配的技术难点，这块论坛中，我介绍了解决方案；我觉得这是一个关键。

另外，把这些数据汇集起来，不管做训练也好，应用也好，都需要让它做仿真和训练。目前很多只是原始数据的集成，但最后要利用它迭代我们的算法，或者说能够直接使用，我们在仿真训练方法方面要有更多的创新。

梅旭康：多场景、多产品线一直是希迪智驾特色之一，在此过程中希迪智驾选择车路协同、商用车自动驾驶两条腿走路的模式，是出于什么考虑，未来发展是否有偏向？

瞿仕波：我们公司成立伊始，就一直是双轮驱动业务格局。

因为我们公司车路协同的领头人张长隆博士，他很早就从事车路协同领域，从DSRC开始，我们的第一代产品就是基于DSRC去实现的，所以对车路协同的理解和应用，算是走得比较靠前，我们知道车路协同大概能干什么。

第二因为我们是自动驾驶公司，所以我们也有需求引入新技术。包括我们做商用车自动驾驶的过程中，会遇到一些单车智能问题，比如在汇入点的时候，可能受制于车载传感器感知盲区，在汇入点没有办法准确知道匝道是否有来车，从而对它决策会有一定干扰。

这个时候用车路协同提供路侧感知能力，就可以提前决策和规划。大家知道商用车物流重卡的刹车距离很远，当前方出现事故，或者有一些遗漏物抛散时，就需要提前很早进行变道或者减速行为。车路协同很好地给物流重卡在时间上、空间上做出感知拓展，这也是我们引入车路协同的原因之一，把车路协同作为双轮驱动一方面。

另一方面，像车路协同早期测试中，像两台自动驾驶的车同时通过一个路口的话，因为决策的一些机制，可能同时触发了交通碰撞预警，这个预警就影响到决策行为导致进行制动的行为。

当两车有制动行为以后，就停止触发交叉路口碰撞预警，同时会进行加速，这样一来一回造成对自动驾驶正常行驶形成干扰，这样的时候用V2V机制的话，就可以把双方意图进行共享、进行协同，让两台车以舒适方式更好通过路口。

所以我们做自动驾驶，最重要两点原因，一个是实现感知在时间和空间上的拓展；另一个车路协同，可以有效解决长尾问题，不能说所有，但是一直往解决所有长尾问题的方向进行迭代。剩下长尾问题很多很繁琐，引入车路协同以后，给自动驾驶提供更多的可能。

我们也会有一些战略研讨会，对市场进行洞察以及对以往项目和方向复盘，但是从成立至今，这个双轮驱动宗旨一直没有动摇过。

梅旭康：您认为该如何去推动行业标准的一个建立？希迪智驾会有哪些动作？

瞿仕波：标准对于行业的重要性不言而喻，没有通讯标准无法互通，没有路侧标准各家产品都是紧耦合的状态，更换任何设备都可能带来大量开发和调试时间，不利于产业推广。我们做绿波车速标准的首要原因，也是希望通过我们的实践为行业带来一些新兴元素，和一些实际应用场景，然后去做到区域化普及。

绿波场景和其他的V2V场景其实不太一样，其他的V2V场景在这个阶段有很多老百姓是很难体会的，除非通过一些演示邀请群众参与。绿波这种跟社会相关场景，其实是很好去进行实践的，因为它看得见，摸得着。

我们推这个标准，是希望把自己的一些成果带给行业，去促进行业整个发展。

对于行业标准的推广，我们秉持开放的态度，有意识地拉动很多相关企业和高校，以及一些运营公司和车企等共同参与。

我们这样做的目的，就是希望具备一个整体普适性，能够在标准制定过程中兼顾各个方面业内人士的需求。

结合车企、路侧、终端商、运营公司的需求，讨论出依据结果，我觉得这才是每个标准进行落地所必备一些元素。虽然在标准的讨论过程中，每一家企业的立场可能有一些细微区别，导致一些碰撞，这种碰撞都是良性的。

结语

梅旭康：希望各位简单总结一下对车路协同产业发展的展望。

邱志军：对于车路协同在中国的展望，我觉得前途肯定是美好的，但道路是螺旋式的。华砺智行将与行业内各个合作伙伴一起努力，真正探讨市场化、量产化、运营化应用场景，合作共赢。

李东旻：从觉非科技的角度，我们将通过自己的技术实干与资源投入，去大幅度提升车路协同应用比例和渗透率。这就是我们对这个行业的贡献和承诺。

刘生：希望技术突破带来商业化落地，这个阶段正在发生。商业落地会带来标准化、规模化，这个即将迎来爆发，我希望这个时间不会让大家等得太久。下一阶段就是规模化推广，相信会带来更多的业务模式，生态会得到进一步发展，希望车路协同能够助力中国双智城市建设。

梁伟铭：我相信中国已经完成车路协同基础技术方案的开发验证，我们肯定有领先地方。目前我们处在场景落地和商业化应用推广的起步阶段，我们很高兴能比较早地参与到车路协同产业的开发过程中，但面对下一阶段目标的实现，我们也觉得挑战还是很大的。

我相信，车路协同一定是具有广阔应用前景，可能就像手机当年从3G向4G升级以后，应用场景得到爆发性增长一样。未来的场景，我们可能现在还想象不到。我们很愿意和各个合作伙伴共建生态圈，共同打造具有中国特色的车路协同解决方案。

瞿仕波：有一点是大家共识：车路协同是构建新一代智慧交通的基石。

我觉得未来行业将会从多个维度对交通应用进行划分，并面向场景提供精准服务。在这个过程中，会造就类似互联网经济、移动经济类似的车联网经济，并且会诞生一批新兴创业的伟大公司。

我希望我们都是这些伟大公司之一，我也非常希望与各位一起努力实现车路协同中国方案。